-
公开(公告)号：CN107563150B
公开(公告)日：2021-03-19
申请号：CN201710770933.2
申请日：2017-08-31
Applicant: 深圳大学 , 哈尔滨工业大学深圳研究生院
Abstract: 本发明适用生物信息技术领域，提供了一种蛋白质结合位点的预测方法、装置、设备及存储介质，该方法包括：接收待预测的蛋白质序列，使用预设的滑动窗口和滑动步长对蛋白质序列进行序列划分，得到多个氨基酸子序列，根据这些氨基酸子序列构建蛋白质序列的词向量，对词元素进行文档特征提取，根据提取的文档特征构建蛋白质序列的文档特征向量，对这些氨基酸子序列进行蛋白质链生物学特征提取，根据提取的生物学特征构建蛋白质序列的生物学特征向量，使用预设的氨基酸残基分类模型对使用文档特征向量和生物学特征向量表示的氨基酸子序列进行分类，得到蛋白质序列的氨基酸残基类型，从而提高了蛋白质结合位点预测的准确性和泛用性。
-
公开(公告)号：CN105574215B
公开(公告)日：2019-11-12
申请号：CN201610127023.8
申请日：2016-03-04
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F16/583 , G06K9/62
Abstract: 本发明涉及计算机视觉技术领域，尤其涉及一种基于多层特征表示的实例级图像搜索方法。本发明提出了一个通过深度卷积神经网络模型学习图像不同层次的特征表示，进行实例级的图像搜索的方法，使之能有效的找到相同物品的不同图像；本发明在传统网络模型基础上引入了一种编码学习过程，通过对来自于多个卷积层的特征进行自动编码，使得提取的特征更具有鲁棒性，降低背景和噪声数据对特征的影响，同时兼具局部信息和类别信息；本发明还提出了一种基于多任务的损失函数，并通过优化该函数，使学习到的特征拥有很好的泛化性能，也使学习到的特征很好的用于区分类间图像以及类内不同事物的图像。
-
公开(公告)号：CN106919808B
公开(公告)日：2019-06-14
申请号：CN201710110410.5
申请日：2017-02-28
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G16B20/00
Abstract: 本发明公开了一种基于变步长最小均方误差自适应滤波器的基因识别系统，包括变步长最小均方误差自适应滤波器算法改进单元和基因结构多特征加权融合算法处理单元；所述的变步长最小均方误差自适应滤波器算法改进单元，用于通过变步长最小均方误差自适应改进算法对基因序列进行滤波处理，得到随机噪声较少、周期3行为较强的基因特征；所述的基因结构多特征加权融合算法处理单元，用于通过多特征加权融合策略，对基因序列进行特征提取，从而得到表达能力更强的特征向量。本发明提出了变步长最小均方误差自适应滤波器改进算法和多特征加权融合算法，并将二者集成到同一个基因识别系统中，进一步改善其识别性能。
-
公开(公告)号：CN108664994A
公开(公告)日：2018-10-16
申请号：CN201810344784.8
申请日：2018-04-17
Applicant: 哈尔滨工业大学深圳研究生院 , 深圳大学
Inventor： 徐勇
Abstract: 本发明公开了一种遥感图像处理模型构建系统和方法，该方法包括：A、基于平均池化将所述浅卷积层的语义特征、深卷积层的语义特征归一处理；B、通过特征通道扩增的方式结合所述浅卷积层、深卷积层；C、设置用于生成目标的检测窗口的RPN单元。该系统用于执行方法。本发明通过整合多层的卷积网络的语义特征能够提取足够的抽象特征，同时降低图像的边缘信息的损失，提供遥感图像处理的精度。
-
公开(公告)号：CN105046665B
公开(公告)日：2018-04-24
申请号：CN201510435812.3
申请日：2015-07-22
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明提出了一种基于离散小波变换图像去噪方法，应用于高通量基因测序图像去噪。本发明主要是对基于离散小波变换的BiShrink改进，具体操作是使用离散小波变换对BiShrink阈值算法进行改进。传统的BiShrink算法在计算估计小波系数时考虑当前系数、父子系数的相关性。而本发明是在含有高斯噪声的测序图像中，在每个小波系数的邻域内选择部分小波系数来计算局部阈值，并使用拉普拉斯模型表示当前小波系数与父代小波系数之间的关系，进而得到估计小波系数表达式，用于鲁棒的解决待测序图像的去噪问题。通过对比现有的基于局部阈值小波阈值收缩法花费时间和去噪效果，本发明提出的方法去噪性能更优越，花费时间更短，效率更高。
-
Patent Agency Ranking
公开(公告)号：CN107729945A
公开(公告)日：2018-02-23
申请号：CN201711003174.3
申请日：2017-10-24
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06K9/62
CPC classification number: G06K9/6268 , G06K9/6244 , G06K9/6256
Abstract: 本发明提供的鉴别回归、分类方法及系统，是一种利用计算机对数字图像进行处理的技术，可实现在不同模式下对不同图像自动分类。该技术是一种普遍适应的方法，能够应用在多种模式分类场景，如基于人脸识别场景、指纹识别场景、虹膜识别场景，基因分类场景，基于疾病分类的医疗诊断场景等。由于本发明提供基于类间稀疏表示的鉴别回归、分类方法及系统，可以使转换后的同类样本具有一致的稀疏结构，达到减小同类样本之间的距离，而增大异类样本之间距离的效果，进而提高分类正确率。
-
公开(公告)号：CN104881592A
公开(公告)日：2015-09-02
申请号：CN201510072511.9
申请日：2015-02-11
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F19/22
Abstract: 本发明提供了一种DNA序列比对中的打分方法，引入参考序列中碱基排列概率的统计，构建权重矩阵，利用权重矩阵和传统得分矩阵共同设计得分规则，根据打分规则计算序列全局得分，采用动态规划算法进行序列比对得到最优比对。本发明的方法能够利用全局合理性来调控避免“早熟”现象。
-
公开(公告)号：CN103530659A
公开(公告)日：2014-01-22
申请号：CN201310492782.0
申请日：2013-10-18
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种结合原始人脸图像和其左、右对称脸的人脸识别方法和考勤系统。该考勤系统分为两个部分：注册和识别。注册部分包括人脸检测、图像采集和特征提取，并将人脸特征存储到人脸库中；识别部分包括人脸检测、图像采集、特征提取和人脸识别，最后输出识别结果。该系统运用本发明提出的结合原始人脸图像和其对称脸图像的人脸识别方法，该方法简单且计算效率高，几乎所有基于表示的分类方法可以用该方案进行改进。实验结果表明，该方法可以大大提高基于表示的分类方法的准确率。使用本发明提出的结合原始人脸图像和其左、右对称脸的人脸识别方法的考勤系统能够提高考勤登记时的速度，提高识别的准确率，更加方便实用。
-
公开(公告)号：CN101968848A
公开(公告)日：2011-02-09
申请号：CN201010294119.6
申请日：2010-09-27
Applicant: 哈尔滨工业大学深圳研究生院
Inventor： 徐勇
Abstract: 本发明涉及一种视频监测方法、系统及视频报警系统，所述视频监测方法包括汇集运动区域运动特征样本的训练集，所述视频监测方法包括如下步骤：获取视频区域：从视频中获取需要监测的运动区域；提取运动区域中的运动特征：包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值；获取视频监测结果：将提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较，通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。本发明视频监测方法、系统及视频监测报警系统，实现了自动实时进行视频监控暴力行为，促进了安防设备的发展。
-
公开(公告)号：CN109784196A
公开(公告)日：2019-05-21
申请号：CN201811564967.7
申请日：2018-12-20
Applicant: 哈尔滨工业大学深圳研究生院
Inventor： 徐勇
Abstract: 本发明揭示了一种视觉信息判识方法、装置、设备及存储介质，其方法包括：接收视觉信息，并分别对视觉信息进行初级视觉判识、中级视觉判识和高级视觉判识；根据判识结果对视觉信息进行描述信息标注。本发明的一种视觉信息判识方法、装置、设备及介质的有益效果为：通过对视觉信息的多级别判识能更精确的判识出该视觉信息的内容，提高了判识精度，通过接收用户对描述信息的评价对判识所使用的判识模型进行相应的判识训练使判识模型能够不断进行修正及进化，使其的判识结果更接近人工判识的结果，更人性化。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.067 seconds)
